Sistema de sensores piezoeléctricos distribuidos para la identificación de daños en estructuras sometidas a cambios de temperatura

Abstract

El monitoreo de la salud estructural (SHM) es un área muy importante en un amplio espectro de campos y aplicaciones de ingeniería. Con un sistema SHM, es posible reducir el número de tareas de inspección no necesarias, el riesgo asociado y el costo de mantenimiento en una amplia gama de estructuras durante su vida útil. Uno de los problemas en la detección y clasificación de daños son los constantes cambios en las condiciones operativas y ambientales. Los pequeños cambios de estas condiciones pueden ser considerados por el sistema SHM como daños aunque la estructura esté sana. Se han desarrollado y reportado en la literatura varias aplicaciones para el monitoreo de estructuras, y algunas de ellas incluyen técnicas de compensación de temperatura. Sin embargo, en aplicaciones reales, las tecnologías de procesamiento digital han demostrado su valor al: (i) ofrecer una forma muy interesante de adquirir información de las estructuras bajo prueba; (ii) aplicar metodologías para brindar un análisis robusto; y (iii) realizar una identificación de daños con una precisión práctica y útil. Este trabajo muestra la implementación de un sistema SHM basado en el uso de sensores piezoeléctricos (PZT) para inspeccionar una estructura sujeta a cambios de temperatura. La metodología incluye el uso de análisis multivariante, fusión de datos de sensores y enfoques de aprendizaje automático. La metodología se prueba y evalúa con estructuras de aluminio y compuestos que están sujetas a variaciones de temperatura. Los resultados muestran que los daños se pueden detectar y clasificar en todos los casos a pesar de los cambios de temperatura. y (iii) realizar una identificación de daños con una precisión práctica y útil. Este trabajo muestra la implementación de un sistema SHM basado en el uso de sensores piezoeléctricos (PZT) para inspeccionar una estructura sujeta a cambios de temperatura. La metodología incluye el uso de análisis multivariante, fusión de datos de sensores y enfoques de aprendizaje automático. La metodología se prueba y evalúa con estructuras de aluminio y compuestos que están sujetas a variaciones de temperatura. Los resultados muestran que los daños se pueden detectar y clasificar en todos los casos a pesar de los cambios de temperatura. y (iii) realizar una identificación de daños con una precisión práctica y útil. Este trabajo muestra la implementación de un sistema SHM basado en el uso de sensores piezoeléctricos (PZT) para inspeccionar una estructura sujeta a cambios de temperatura. La metodología incluye el uso de análisis multivariante, fusión de datos de sensores y enfoques de aprendizaje automático. La metodología se prueba y evalúa con estructuras de aluminio y compuestos que están sujetas a variaciones de temperatura. Los resultados muestran que los daños se pueden detectar y clasificar en todos los casos a pesar de los cambios de temperatura. La metodología incluye el uso de análisis multivariante, fusión de datos de sensores y enfoques de aprendizaje automático. La metodología se prueba y evalúa con estructuras de aluminio y compuestos que están sujetas a variaciones de temperatura. Los resultados muestran que los daños se pueden detectar y clasificar en todos los casos a pesar de los cambios de temperatura. La metodología incluye el uso de análisis multivariante, fusión de datos de sensores y enfoques de aprendizaje automático. La metodología se prueba y evalúa con estructuras de aluminio y compuestos que están sujetas a variaciones de temperatura. Los resultados muestran que los daños se pueden detectar y clasificar en todos los casos a pesar de los cambios de temperatura